Dissertação

Latent factors of Mult-Omics data and Clustering EVALUATED

Perante a grande quantidade de dados disponível, existe o potencial dos algoritmos de aprendizagem automática na analise desses dados. É importante identificar as informações ocultas, e necessidade de encontrar as características semelhantes dos pacientes. Neste contexto, primeiro pretende-se comparar duas ferramentas existentes utilizando dados sintéticos criados, MOFA e iCluster para testar o desempenho das ferramentas. Depois,aplicar MOFA, a melhor ferramenta, aos dados de cancro ovário provenientes de TCGA. Com os resultados, MOFA mostrou a capacidade de recuperar vários características de dados nas amostras sintéticas e genes significantes nos dados reais.
TCGA, Factor Analysis, Principal Component Analysis, MOFA, iCluster, K-means

Dezembro 18, 2019, 10:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Alexandra Sofia Martins de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar